Citation Receipts: Auditing Retrieval-Backed Citation Events in Digital Libraries
यह शोध पत्र साइटेशन रिसीट प्रोटोकॉल (CRP) प्रस्तुत करता है, जो प्रमाणित स्रोत पुनर्प्राप्तियों के क्रिप्टोग्राफिक रूप से हस्ताक्षरित, ऑडिट योग्य रिकॉर्ड उत्पन्न करने वाली एक प्रणाली है ताकि डिजिटल लाइब्रेरी नमूना जांच के माध्यम से विशिष्ट साइटेशन घटनाओं को सत्यापित कर सकें, जबकि वैश्विक पूर्णता या सिमेंटिक साइटेशन वैधता को प्रमाणित करने में अपनी सीमाओं को स्पष्ट रूप से स्वीकार करता है।
मूल पेपर CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
आधुनिक शोध की दुनिया में, एक विद्वत के कार्य को अक्सर इस बात से मापा जाता है कि अन्य शोधकर्ता कितनी बार उसे उद्धृत (cite) करते हैं। दशकों तक, यह गणना सरल थी: एक मानव लेखक एक शोध पत्र पढ़ता था, निर्णय लेता था कि वह प्रासंगिक है, और अपने स्वयं के कार्य में एक संदर्भ जोड़ देता था। उस कृत्य ने एक स्थायी, सत्यापन योग्य रिकॉर्ड बना दिया। हालाँकि, आज, एक नए प्रकार के लेखक ने कमरे में प्रवेश किया है: आर्टिफिशियल इंटेलिजेंस (AI)। ये प्रणालियाँ हजारों शोध पत्रों को पढ़ सकती हैं और सेकंडों में सारांश, साहित्य समीक्षा और अनुसंधान प्रारूप लिख सकती हैं। वे अक्सर उद्धरण शामिल करते हैं, जो पाठकों को मूल स्रोतों की ओर निर्देशित करते हैं। लेकिन एक शांत समस्या उभर कर आई है। जब एक AI किसी शोध पत्र को उद्धृत करता है, तो संभव है कि उसने उत्तर खोजने के लिए वास्तव में उस पत्र को पढ़ा हो, या उसने केवल वर्षों पहले सीखे गए पैटर्न के आधार पर शीर्षक का अनुमान लगाया हो। इससे भी बुरा यह है कि, भले ही AI उस पत्र को पढ़ता है, प्रकाशक के पास अक्सर यह जानने का कोई तरीका नहीं होता कि ऐसा हुआ है। AI कंपनी उस बातचीत को देखती है, और उपयोगकर्ता उत्तर देखता है, लेकिन जिस पुस्तकालय के पास वह पत्र है, उसे कुछ भी दिखाई नहीं देता। यह वैज्ञानिक खोज के रिकॉर्ड में एक अंतर पैदा करता है, जहाँ एक शोध पत्र बिना किसी आधिकारिक श्रेय के हजारों AI उत्तरों को प्रभावित कर सकता है।
कुमार अभिनव नामक एक शोधकर्ता ने इस अंतर को पाटने का एक तरीका प्रस्तावित किया है, AI के सोचने के तरीके को बदलकर नहीं, बल्कि एक नए प्रकार की डिजिटल रसीद बनाकर। कल्पना कीजिए कि एक पुस्तकालय है जहाँ हर बार जब कोई किताब चेक आउट की जाती है, तो सिस्टम स्वचालित रूप से एक छोटा, छेड़छाड़-मुक्त टिकट प्रिंट करता है जो बताता है कि कौन सी किताब ली गई, कब, और किसके द्वारा। अभिनव का कार्य, जिसे 'साइटेशन रसीद प्रोटोकॉल' (Citation Receipt Protocol) कहा जाता है, डिजिटल युग के लिए कुछ ऐसा ही करता है। इसे यह प्रमाणित करने के लिए डिज़ाइन किया गया है कि एक AI प्रणाली ने किसी उत्तर को लिखने के लिए उस विशिष्ट शोध पत्र के एक विशेष संस्करण को वास्तव में प्राप्त (retrieve) किया है। यह प्रणाली तब काम करती है जब AI प्रदाता एक स्रोत को प्राप्त करने और उसे उत्तर में प्रदर्शित करने के क्षण में एक डिजिटल रसीद पर हस्ताक्षर करता है। यह रसीद फिर एक सार्वजनिक, अपरिवर्तनीय लॉग में लॉक कर दी जाती है, ठीक वैसे ही जैसे एक नोटरी पब्लिक किसी दस्तावेज़ पर मुहर लगाकर उसे एक स्थायी रजिस्ट्री में जोड़ता है। यह किसी को भी, जिसमें शोध पत्र का प्रकाशक या एक स्वतंत्र ऑडिटर शामिल है, लॉग की जांच करने और यह सत्यापित करने की अनुमति देता है कि उद्धरण वास्तविक था और स्रोत पाठ के वास्तविक निष्कर्षण (retrieval) पर आधारित था।
यह विचार वास्तविक दुनिया में काम करता है या नहीं, इसका परीक्षण करने के लिए, अभिनव ने एक बड़े लैंग्वेज मॉडल का उपयोग करके नियंत्रित प्रयोगों की एक श्रृंखला चलाई, जिसे जनवरी 2026 तक के डेटा पर प्रशिक्षित किया गया था। शोधकर्ताओं ने 100 वैज्ञानिक शोध पत्रों का एक सेट बनाया जो उस प्रशिक्षण तिथि के बाद प्रकाशित हुए थे, जिसका अर्थ है कि AI उन्हें अपनी स्मृति से अकेले नहीं जान सकता था। इसके बाद उन्होंने AI से इन नए शोध पत्रों के बारे में तीन अलग-अलग स्थितियों के तहत प्रश्न पूछे। पहली स्थिति में, AI के पास नए शोध पत्रों तक कोई पहुंच नहीं थी। दूसरी स्थिति में, AI को इन नए शोध पत्रों के स्थानीय पुस्तकालय को खोजने और शीर्ष पांच परिणाम प्राप्त करने की अनुमति दी गई थी। तीसरी स्थिति में, शोधकर्ताओं ने AI को एक विशिष्ट लक्षित पत्र को देखने के लिए मजबूर किया। परिणाम स्पष्ट थे। जब AI के पास नए शोध पत्रों तक पहुंच नहीं थी, तो उसने उन्हें कभी उद्धृत नहीं किया। जब AI को शोध पत्रों को खोजने और प्राप्त करने की अनुमति दी गई, तो उसने 100 में से 95 प्रयासों में लक्षित पत्र को उद्धृत किया। महत्वपूर्ण रूप से, उन सभी 95 दृश्य और घोषित उद्धरणों के लिए जो एक प्रमाणित स्रोत से मेल खाते थे, सिस्टम ने सफलतापूर्वक एक डिजिटल रसीद उत्पन्न और सत्यापित की। इसने सिद्ध किया कि प्रोटोकॉल एक ताज़ा निष्कर्षण (fresh retrieval) पर आधारित उद्धरण और केवल एक अनुमान या मतिभ्रम (hallucination) पर आधारित उद्धरण के बीच अंतर कर सकता है।
अध्ययन ने यह भी देखा कि क्या यह प्रणाली एक AI प्रदाता द्वारा अपने सिस्टम को बेहतर दिखाने या उपयोग की रिपोर्ट करने से बचने के लिए उद्धरणों को छोड़ने के प्रयास का पता लगा सकती है। उन्होंने एक परीक्षण स्थापित किया जहाँ प्रदाता ने 10% उद्धरणों के लिए जानबूझकर रसीदें छोड़ दीं। ऑडिट सिस्टम, जो एक रैंडम स्पॉट-चेक की तरह कार्य करता है, इन गायब रसीदों का उच्च विश्वसनीयता के साथ पता लगाने में सक्षम था। हालाँकि, अध्ययन में यह भी पाया गया कि यह प्रणाली हर समस्या का समाधान करने वाला जादुई हथियार नहीं है। यह यह सिद्ध नहीं कर सकता कि AI ने वास्तव में पत्र के अर्थ को समझा या उद्धरण ही वह एकमात्र कारण था जिसके कारण AI ने एक विशिष्ट उत्तर दिया। यह भी नहीं बता सकता कि क्या AI को अतीत में उस पत्र पर प्रशिक्षित किया गया था; यह केवल यह सिद्ध करता है कि उस विशिष्ट क्षण में पत्र को प्राप्त किया गया और उद्धृत किया गया था। इसके अलावा, यह प्रणाली क्लाइंट द्वारा उत्तर रिकॉर्ड करने की ईमानदारी पर निर्भर करती है; यदि उपयोगकर्ता का डिवाइस समझौताकृत (compromised) है, तो ऑडिट को धोखा दिया जा सकता है।
शोधकर्ताओं ने इस प्रणाली को जोड़ने की लागत को मापा और पाया कि यह बहुत कम है। प्रत्येक डिजिटल रसीद एक छोटी फ़ाइल है, जो लगभग एक छोटे टेक्स्ट मैसेज के आकार की है, और इसे बनाने या जांचने में एक मानक कंप्यूटर पर एक सेकंड से भी कम समय लगता है। यह सुझाव देता है कि इस प्रणाली को मौजूदा डिजिटल पुस्तकालयों में बिना उनकी गति धीमी किए जोड़ा जा सकता है। उनके कार्य ने उद्धरणों को गिनने के तरीके में एक महत्वपूर्ण अंतर को भी रेखांकित किया। एक साधारण गणना कि एक शोध पत्र AI के उत्तर में कितनी बार दिखाई देता है, पर्याप्त नहीं है। शोधकर्ताओं ने दिखाया कि रसीद प्रोटोकॉल के बिना, एक प्रदाता आसानी से उद्धरणों को छिपा सकता है या फर्जी उद्धरण बना सकता है। प्रोटोकॉल के साथ, गणना एक विशिष्ट घटना के सत्यापित रिकॉर्ड में बदल जाती है: एक विशिष्ट संस्करण का निष्कर्षण किया गया था, और एक विशिष्ट उत्तर उत्पन्न किया गया था।
अंततः, यह शोध आर्टिफिशियल इंटेलिजेंस के युग में पारदर्शिता के लिए एक व्यावहारिक उपकरण प्रदान करता है। यह इस गहरे दार्शनिक प्रश्न को हल करने का दावा नहीं करता है कि AI कैसे सीखता है या क्या वह वास्तव में विज्ञान को "समझता" है। इसके बजाय, यह सुनिश्चित करने के लिए एक यांत्रिक तरीका प्रदान करता है कि जब कोई AI किसी स्रोत की ओर संकेत करता है, तो वह संकेत स्रोत के एक्सेस किए जाने के एक सत्यापन योग्य रिकॉर्ड द्वारा समर्थित है। डिजिटल पुस्तकालयों और प्रकाशकों के लिए, इसका अर्थ है कि वे अंततः देख सकते हैं कि उनके शोध पत्र AI प्रणालियों द्वारा वास्तविक समय में कैसे उपयोग किए जा रहे हैं, बजाय इसके कि वे AI कंपनियों द्वारा सच बताने पर निर्भर रहें। वैज्ञानिक समुदाय के लिए, यह सूचना के प्रवाह को सटीकता के एक नए स्तर के साथ ट्रैक करने का एक तरीका प्रदान करता है, यह सुनिश्चित करता है कि खोज का श्रेय वहां दिया जाए जहां वह उचित है, भले ही लेखक एक मशीन हो। अध्ययन निष्कर्ष निकालता है कि हालांकि यह प्रोटोकॉल AI की सोच की गुणवत्ता को प्रमाणित नहीं करता है, लेकिन यह सफलतापूर्वक उसके द्वारा उत्पन्न उद्धरणों के लिए एक ऑडिट योग्य ट्रेल (auditable trail) बनाता है, जिससे एक छिपी हुई बातचीत एक सार्वजनिक, सत्यापन योग्य तथ्य में बदल जाती है। यह ध्यान देने योग्य है कि लेखक, कुमार अभिनव, ने एक संभावित वित्तीय प्रतिस्पर्धी हित का खुलासा किया है: उनके पास व्यक्तिगत रूप से साइटेशन रसीद प्रोटोकॉल से संबंधित एक दायर पेटेंट आवेदन का स्वामित्व है।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।